Mianem sztucznej inteligencji (AI) określamy “inteligencję” maszyn, w przeciwieństwie do naturalnej inteligencji występującej u ludzi. Należy pamiętać, że pewne formy inteligencji występują także u zwierząt, np. szympansów lub delfinów, ale to człowiek jest punktem odniesienia dla wszystkich neuronaukowców i programistów zajmujących się rozwojem AI.
Sztuczna inteligencja zyskała swoją nazwę i stała się formalną dziedziną badań w 1956 r., a pierwsze prace doprowadziły do powstania nowych narzędzi do rozwiązywania problemów matematycznych. Szybko okazało się, że stworzenie AI jest niezwykle trudne, a w latach 70. ubiegłego wieku postęp został zahamowany. Dopiero w ostatniej dekadzie przyspieszył, a to z powodu wzrostu mocy obliczeniowej i dostępności ogromnych zbiorów danych.
Uczenie maszynowe i deep learning
Ostatnie lata to prawdziwy boom w uczeniu maszynowym, czyli jednej z gałęzi AI. Obejmuje ono systemy, które automatycznie uczą się na podstawie analizowanych danych i dostępnych wyników, aby poprawić ich pracę w przyszłości. Można tu przytoczyć proste przykłady, np. zaopatrzone w specjalne algorytmy aplikacje, które szacują, ile czasu zajmie podróż z punktu A do punktu B, a następnie udzielają wskazówek dotyczących trasy. Bez takich rozwiązań usługi Google Maps czy analogiczne Apple byłyby niefunkcjonalne.
Czytaj też: Superkomputery – do czego się ich używa?
Uczenie maszynowe ma także dużą wartość diagnostyczno-analityczną. Im lepszy algorytm i im więcej zdjęć przedstawiających tkanki zmienione nowotworowo pokażemy komputerowi, tym lepiej będzie je rozpoznawał. Analogicznie, uczenie maszynowe jest używane na całym świecie np. do monitorowania stanu mostów (którym zdjęcia robią drony), do natychmiastowego wykrywania wszelkich pęknięć i uszkodzeń. Właśnie w przypadku takich, konkretnych i dobrze zdefiniowanych zadań, które można podzielić na poszczególne kroki logiczne, uczenie maszynowe sprawdza się najlepiej. Uczenie maszynowe nie wymaga dużych zbiorów danych (chociaż im więcej, tym lepiej) i pozwala na szybkie dokonywanie obliczeń.
Specjalną podkategorią uczenia maszynowego jest tzw. deep learning. Polega ono na tworzeniu sieci neuronowych, których zadaniem jest udoskonalanie technik rozpoznawania głosu i przetwarzanie języka naturalnego. Deep learning wymaga czasu i dużych zbiorów danych, ale jest przydatne w bioinformatyce, np. wykrywaniu nieprawidłowości w genomach czy projektowaniu leków.
Deep learning wymaga dużej mocy obliczeniowej – zarówno aby wytrenować model na podstawie ogromnej ilości danych, jak i wykorzystać go do podejmowania konkretnych decyzji. W oparciu o deep learning działają cyfrowi asystenci głosowi, typu Aleksy Amazona, Siri Apple czy Asystenta Google. Deep learning pozwala asystentom słuchać użytkownika i dowiadywać się, jakich informacji potrzebuje.
Ewolucja sztucznej inteligencji
Pewnym wyznacznikiem stopnia zaawansowania sztucznej inteligencji jet to, jak dobrze radzi sobie w grach. W 2011 r. stworzony przez IBM superkomputer Watson wygrał amerykański teleturniej Jeopardy! Z kolei w 2016 r. sztuczna inteligencja Google DeepMind AlpaGo pokonała ludzkiego arcymistrza w skomplikowanej chińskiej grze Go. Trzeba jednak zaznaczyć, że sztuczna inteligencja na obecnym etapie rozwoju, dość słabo radzi sobie z grami wymagającymi pracy zespołowej. Dlatego raczej nigdy nie zobaczymy meczów piłkarskich w wykonaniu robotów.
Spośród 9100 patentów otrzymanych przez IBM w 2018 r., 1600 (czyli 18%) było związanych z AI. Ciekawe słowa padły w 2017 r. z ust prezydenta Rosji, Władimira Putina, który powiedział, że “ktokolwiek stanie się liderem w sferze AI, będzie władcą świata”.
Czy tego chcemy, czy nie, sztuczna inteligencja jest kluczowa dla naszej przyszłości. AI stanowi podstawę uczenia się komputerów – bez jej rozwoju, nie będzie lepszych komputerów, a bez lepszych komputerów nie będzie przełomowych odkryć w medycynie, fizyce czy zmianach klimatu.
Czytaj też: Czy sztuczna inteligencja faktycznie zasługuje na miano inteligentnej?
W kolejnych dekadach sztuczna inteligencja będzie zyskiwać na znaczeniu. Przez ostatnie 20 lat, liczba firm zajmujących się sztuczną inteligencją wzrosła aż 14 razy, a inwestycje z nią związane zwiększyły się 6 razy. Szacuje się, że aż 77% urządzeń elektronicznych, które używamy, wykorzystuje przynajmniej jedną formę sztucznej inteligencji.
Logiczne jest więc postawienie takiego pytania: czy kiedyś w końcu uda nam się stworzyć w pełni “myślące” maszyny? Szanse na to są wątpliwe, bo wcześniej musielibyśmy poznać mechanizm działania naszych mózgów, a do tego wciąż daleko. Jest jeszcze kwestia świadomości, której tak naprawdę nie potrafimy nawet właściwie zdefiniować.